专利名称：一种同时确定地表窄波段和宽波段比辐射率的方法及装置的制作方法
技术领域：
本发明属遥感定量反演领域，特别涉及一种同时确定地表窄波段和宽波段比辐射率的方法及装置。
背景技术：
地表比辐射率作为地表自然物质的固有属性，受土地覆盖类型，土壤水分，土壤有机质，植被浓密程度和结构、表面粗糙度和地表起伏等因素的影响，能够指示地表的物质组成，在地表分类、土壤形成和侵蚀，稀疏植被覆盖与变化估算，岩床制图和资源探测等方面都有重要的意义。除此之外，地表比辐射率在地表温度的反演中扮演着重要的角色，没有准确的比辐射率就很难得到精确的温度反演结果。当地表温度反演精度向着1K，甚至更高精度迈进时，地表比辐射率的反演水平也需要向前挺进。·
地表比辐射率的反演是科学家公认的一个病态问题。从普朗克方程可以看出，某个波段接收到的辐射能是温度和比辐射率的函数。因此，N个波段观测的辐亮度，总有N+1个未知数(N个比辐射率和I个温度)，温度和比辐射率始终耦合在一起，其中任何一个物理量的确定需要以另一个物理量的确定为前提。这种病态性成为了地表比辐射率反演的难点之一。虽然现有MODIS地表比辐射率产品已经业务化生产，但是该产品也仅仅是在大气窗口区间上6个波段在卫星观测方向上的窄波段地表比辐射率，而不是各种水热平衡模型和陆面过程模型等所要求的地表宽波段比辐射率。迄今为止，还没有一种切实可行的算法能够为气候系统模型提供地表宽波段比辐射率数据，这也是为什么目前各种气候系统模型都将地表宽波段比辐射率值设为I或接近于I的常数的原因。由于地表比辐射率决定了地表长波辐射大�。绻虻ゲ捎谜ǘ伪确渎侍娲聿ǘ伪确渎剩げǚ涞姆囱菸蟛羁赡艽锏�100W/m2。由此可见,如何实现窄波段地表比辐射率向宽波段地表比辐射率的转换是目前遥感反演需要解决的难点和热点。由于受测量仪器的限制，现有的地物波谱库中一般只测量了 14 μ m以下的地物波谱，这在一定程度上阻碍了地表宽波段比辐射率的估算。为了实时高效的从卫星数据中直接获取地表3-14 μ m以及3- m μ m的宽波段比辐射率，解决地表比辐射率的反演技术本身涉及的病态核心问题，发展一种地表宽波段比辐射率估算方法和装置是本发明提出的初衷。
发明内容
本发明的技术解决问题克服现有技术的不足，提供一种同时确定地表窄波段和宽波段比辐射率的方法及装置。本发明的技术解决方案地表窄波段和宽波段比辐射率确定方法，实现步骤如下CA).对中分辨率成像光谱仪(MODIS)数据进行数据处理，包括辐射定标、大气纠正、以及云掩膜等处理，获取晴空条件下MODIS数据位于O. 4-2. I μ m大气窗口区的可见光/近红外波段地表反射率数据；(B).利用步骤A的反射率数据，结合建立的窄波段地表比辐射率反演算法，确定MODIS热红外光谱谱段第29 (波谱范围8. 4-8. 7 μ m)、31 (波谱范围10. 78-11. 28 μ m)和32(波谱范围11. 77-12. 27 μ m)波段的窄波段地表比辐射率；(C).利用步骤B的窄波段地表比辐射率，结合建立的窄-宽波段比辐射率转换模型，得到地表3-14 μ m以及3- m μ m的宽波段比辐射率。所述步骤(A)中对中分辨率成像光谱仪(MODIS)数据进行数据处理的过程是 (Al)根据MODIS提供的定标系数，对MODIS遥感数据进行绝对辐射定标，将影像灰度值转换为辐射亮度；(A2)利用快速大气纠正模型(QUAC)和MODIS的云掩膜产品M0D35数据，完成 MODIS遥感数据的大气纠正和有云像元的掩膜处理，获取MODIS数据位于O. 4-2. I μ m大气窗口区的可见光/近红外谱段的地表反射率数据。所述步骤(B)中确定MODIS数据热红外光谱谱段29、31和32波段的窄波段地表比辐射率过程是根据计算出的可见光/近红外地表反射率数据，计算归一化的积雪指数(NDSI)和归一化的植被指数(NDVI )，并结合MODIS的陆地/海洋掩膜数据，对像元进行分类，分别分为水体像元，雪/冰像元和植被/裸土区像元三大类，分别得到所述比辐射率；(BI)对于水体像元，利用ASTER波谱库和UCSB波谱库中测量的一些典型的水体波谱曲线，结合MODIS的第29、31和32波段的光谱响应函数分别进行卷积处理，获得每个波段上比辐射率的平均值为O. 984,0. 992和O. 987，最后将该三个值分别作为MODIS热红外光谱谱段29、31和32波段的比辐射率；(B3)对于雪/冰像元，利用ASTER波谱库和UCSB波谱库中测量的一些典型的雪/冰波谱曲线，结合MODIS的第29、31和32波段的光谱响应函数分别进行卷积处理，获得每个波段上比辐射率的平均值，最后将该三个值分别作为雪/冰情况下MODIS热红外光谱谱段29、31和32波段的比辐射率。(B4)对于植被/裸土像元，根据计算出的NDVI值大�。徊较阜治阃料裨�、植被像元和植被/裸土混合像元。针对裸土像元，现有的方法主要是将热红外波段的比辐射率和红光波段的反射率之间建立一种简单的一元线性回归模型。可通过分析ASTER波谱库中不同裸土的波谱曲线发现，通过这样的简单一元回归模型获取的热红外波段比辐射率的精度并不高，误差会高达20%以上。本发明通过将MODIS热红外波段比辐射率与可见光/近红外波段多个波段的反射率建立多元线性回归模型，如公式(I )，精度提高10%以上。ε si = at+ Σ b^· P j (i=29, 31，32; j=l_7)(I)公式(I)中，^si表示为热红外第i波段裸土的比辐射率，Pj表示为是可见光/近红外第j波段的反射率，Bi和bu是模型转换系数，通过多元回归获取。针对植被像元，现有的方法主要是通过赋常数值的方法来获取各个热红外波段的比辐射率，这种方法没有反映出植被的真正覆盖及分布结构信息。为了体现不同观测角度情况下植被的三维结构对热红外比辐射率的影响，本发明通过建立热红外比辐射率与NDVI的关系模型，来获取热红外光谱谱段的比辐射率值ε vi = c0i+CliNDVI (i=29, 31，32)(2)
公式(2)中，ε vi表示为热红外第i波段浓密植被的比辐射率，C0i和Cli是模型转换系数。这样本发明通过上述获得的比辐率值能够反映出植被的真正覆盖及分布结构信
肩、O针对植被/裸土混合像元，通过建立热红外波段比辐射率与植被覆盖度Pv的关系模型，来获取热红外光谱谱段的比辐射率ε j = (I0JdliPv(3)公式(3)中，ε i表示为热红外第i波段在植被/裸土混合区的比辐射率，Cltli和(Ili是模型转换系数，Pv表示为植被覆盖度，其值可以通过NDVI值来确定画-—I職 T⑷
V L厕.7飄-厦4」式中，NDVImin和NDVImax分别为裸土和浓密植被的NDVI值。NDVImin和NDVImax值可以从NDVI直方图获取。对于全球条件下，设定NDVImin = O. 2和NDVImax = O. 5。为了获取连续的Pv值，对于NDVKNDVImin的像元，设定Pv = O ;对于NDVI>NDVImax的像元，设定Pv =
Io所述步骤(C)中确定地表3-14 μ m以及3-⑴μ m的宽波段比辐射率过程是(Cl)根据计算出的窄波段地表比辐射率，结合建立的窄-宽波段比辐射率转换模型(公式(5))，确定3-14 μ m地表宽波段比辐射率ε P14 :ε 3_14 = W(l+Wl* ε 29+w2* ε 31+w3* ε 32(5)式中，ε 29、ε 31和ε 32分别是MODIS热红外光谱谱段第29、31和32波段的窄波段比辐射率，Wi是模型转换系数。(C2)根据计算出的窄波段地表比辐射率，结合建立的窄-宽波段比辐射率转换模型(公式(6))，确定3-⑴μ m地表宽波段比辐射率ε 一 ··εW1 0+w' ε 29+w/ 2* ε 31+w' 3* ε 32(6)式中，ε 29、ε 31和ε 32分别是MODIS热红外光谱谱段第29、31和32波段的窄波段比辐射率，w' i是模型转换系数。本发明提供的实现上述方法的装置，其包括数据预处理模块对中分辨率成像光谱仪(MODIS)数据进行数据处理，包括辐射定标、大气纠正、以及云掩膜处理，获取晴空条件下MODIS数据位于O. 4-2. I μ m大气窗口区的可见光/近红外地表反射率数据；窄波段比辐射率反演�？槔檬菰ご砟？榈姆瓷渎适荩岷险ǘ蔚乇肀确渎史囱菟惴ǎ范∕ODIS热红外光谱谱段第29，即波谱范围8. 4-8. 7 μ m、第31，即波谱范围10. 78-11. 28 μ m和第32，即波谱范围11. 77-12. 27 μ m波段的窄波段地表比辐射率；具体为根据计算出的可见光/近红外地表反射率数据，计算归一化的积雪指数(NDSI)和归一化的植被指数(NDVI )，并结合MODIS的陆地/海洋掩膜数据，对像元进行分类，分别分为水体像元，雪/冰像元和植被/裸土像元三大类；再结合获取的可见光/近红外地表反射率数据计算的归一化植被指数(NDVI)值的大�。徊浇脖�/裸土像元分为裸土像元、植被像元和裸土 /植被混合像元三类；针对每一类像元，分别利用自己建立的窄波段比辐射率反演算法，确定不同类别像元的MODIS热红外谱段29、31和32波段的窄波段比辐射率数据；宽波段比辐射率反演�？榉直鹄米约航⒌�3-14 μ m窄-宽波段地表比辐射率转换模型和3-⑴μ m窄-宽波段地表比辐射率转换模型，计算出每个像元3-14 μ m的地表宽波段比辐射率数据和3- m μ m的地表宽波段比辐射率数据。本发明与现有技术相比的优点在于(I)通过本发明的步骤实现了同时确定地表窄波段和宽波段比辐射率的技术，具有实时和高效的优点。(2)本发明提出的窄波段地表比辐射率确定方法中，针对裸土区，建立的MODIS热红外波段比辐射率与可见光/近红外波段反射率的多元线性回归模型，结果优于现有方法中利用热红外波段比辐射率仅与红光波段反射率建立线性关系模型的结果，精度提高10%以上；针对植被区，建立的MODIS热红外波段比辐射率与NDVI的线性回归模型，不仅克服了 现有方法中对所有植被只赋一个常数值的缺陷，还保留了观测角度的信息。(3)由于测量仪器性能的限制以及大气水汽对热红外波谱强烈吸收的影响，地面测量的光谱数据都局限在14μπι以下，而且遥感传感器只在大气窗口区设置了几个窄的光谱波段，只能获取离散的窄波段比辐射率数据。因而，获取宽波段比辐射率数据(特别是3-- μ m)变得非常困难。目前国际上还没有现有的模型来反演3-⑴μ m宽波段地表比辐射率数据，而各种水热平衡模型和陆面过程模型等都需要3-⑴μ m宽波段的地表比辐射率数据作为模型输入。本发明建立的窄-宽波段地表比辐射率转换模型首次实现了 3-m μπι的宽波段地表比辐射率反演，能满足现有各种水热平衡模型和陆面过程模型的需求。(4)本发明建立的地表宽波段比辐射率确定装置是通过数据预处理�？�、窄波段比辐射率反演�？楹涂聿ǘ伪确渎史囱菽？槔词迪执覯ODIS原始数据中直接反演3-14 μπι以及3-⑴μπι宽波段地表比辐射率，具有操作简单、实用性强、及可扩展性强的特点。
图I是本发明确定地表宽波段比辐射率的流程示意图；图2是本发明快速大气校正处理流程示意图；图3是本发明植被和裸土混合区地表窄波段比辐射率确定的流程示意图；图4是本发明采用的窄-宽波段比辐射率转换模型的流程示意图。
具体实施例方式如图I所示，本发明具体实现如下�。灾蟹直媛食上窆馄滓�(MODIS)数据进行处理，包括辐射定标、大气纠正、以及云掩膜等，获取MODIS数据位于O. 4-2. I μ m大气窗口区的可见光/近红外波段地表反射率数据。该步骤主要通过数据预处理�？槔词迪郑�具体实施方式
如下(I)绝对辐射定标M0DIS1B存储的数据为影像灰度值，需要经过辐射定标将影像灰度值转换为辐射売度Lsensor = gain*DN+offset(7)
式中，Lsensor为传感器观测的辐射亮度，单位为WnT2Sr-1UnT1 ;DN为影像灰度值；gain和offset分别为增益值和偏移值，可以从MODIS数据中直接获取。(2)大气校正快速大气校正(QuickAtmospheric Correction Algorithm-QUAC)是基于福射传输的半经验大气校正算法，它能够利用很少的参数快速地对多光谱和高光谱数据(0. Γ2.5μπι)做大气校正处理获取地表反射率。如图2所示，QUAC首先根据波长位置自动从多光谱或者高光谱数据上收集不同物质的波谱信息，然后将暗目标选定为基准并确定基准光谱及反射率偏移量。接着对采集的波谱信息进行移除反射率偏移量的差值处理。通过基准波谱匹配，确定地表光谱端元。通过端元波谱匹配，获取端元平均光谱。在端元平均参考光谱的支持下，获取反射率增益值。最后利用反射率增益值和偏移值完成高光谱和多光谱的快速大气校正，获取地表的反射率光谱。相对于其他大气校正算法，QUAC不依赖先验知识，且大气校正速度快，适用于多种遥感卫星数据。B，利用步骤A的反射率数据，结合建立的窄波段地表比辐射率反演算法，确定MODIS热红外光谱谱段第29、31和32波段的窄波段地表比辐射率。该步骤主要通过窄波段比辐射率反演�？槔词迪郑�具体实施方式
如下(I)MODIS图像的像元分类首先结合MODIS数据产品M0D03中陆地/海洋掩膜数据，将图像中的像元分为海洋像元、内陆水体像元和陆地像元三大类。然后，再对图像中的内陆水体和陆地像元进一步进行细分类。具体分类方法为根据计算出的可见光/近红外地表反射率数据，计算归一化的积雪指数(NDSI)和归一化的植被指数(NDVI )，将内陆水体像元和陆地像元进一步分为内陆水体像元、雪/冰像元、裸土像元、植被像元以及植被/裸土混合像元五类。
具体实施方式
如下建立归一化积雪指数模型(NDSI):
权利要求
1.一种同时确定地表窄波段和宽波段比辐射率的方法，其特征在于实现步骤如下 (A).对中分辨率成像光谱仪(MODIS)数据进行数据处理，包括辐射定标、大气纠正、以及云掩膜处理，获取晴空条件下MODIS数据位于O. 4-2. I μ m大气窗口区的可见光/近红外波段地表反射率数据； (B).利用步骤A的反射率数据，结合窄波段地表比辐射率反演算法，确定MODIS热红外光谱谱段第29，即波谱范围8. 4-8. 7 μ m、第31，即波谱范围10. 78-11. 28 μ m和第32，即波谱范围11. 77-12. 27 μ m波段的窄波段地表比辐射率； (C).利用步骤B的窄波段地表比辐射率，结合窄-宽波段比辐射率转换模型，得到地表3-14 μ m以及3-m μ m的宽波段比辐射率。
2.根据权利要求I所述的一种同时确定地表窄波段和宽波段比辐射率的方法，其特征于所述步骤(A)中对中分辨率成像光谱仪(MODIS)数据进行数据处理的过程是 (Al)根据MODIS提供的定标系数，对MODIS遥感数据进行绝对辐射定标，将影像灰度值转换为辐射亮度； (A2)利用快速大气纠正模型(QUAC)和MODIS的云掩膜产品M0D35数据，完成MODIS遥感数据的大气纠正和有云像元的掩膜处理，获取MODIS数据位于O. 4-2. I μ m大气窗口区的可见光/近红外谱段的地表反射率数据。
3.根据权利要求I所述的一种同时确定地表窄波段和宽波段比辐射率的方法，其特征于所述步骤(B)确定MODIS数据热红外光谱谱段29、31和32波段的窄波段地表比辐射率过程如下根据计算出的可见光/近红外地表反射率数据，计算归一化的积雪指数(NDSI)和归一化的植被指数(NDVI )，并结合MODIS的陆地/海洋掩膜数据，对像元进行分类，分别分为水体像元，雪/冰像元和植被/裸土像元三大类分别得到所述比辐射率； (BI)对于水体像元，利用ASTER波谱库和UCSB波谱库中测量的一些典型的水体波谱曲线，结合MODIS的第29、31和32波段的光谱响应函数分别进行卷积处理，获得每个波段上比辐射率的平均值为O. 984,0. 992和O. 987，最后将该三个值分别作为MODIS热红外光谱谱段29、31和32波段的比辐射率； (B2)对于雪/冰像元，利用ASTER波谱库和UCSB波谱库中测量的一些典型的雪/冰波谱曲线，结合MODIS的第29、31和32波段的光谱响应函数分别进行卷积处理，获得每个波段上比辐射率的平均值，最后将该三个值分别作为雪/冰情况下MODIS热红外光谱谱段·29、31和32波段的比辐射率； (B3)对于植被/裸土像元，根据计算出的NDVI值大�。徊较阜治阃料裨�、植被像元和植被/裸土混合像元； 针对裸土像元，将MODIS热红外波段比辐射率与可见光/近红外波段多个波段的反射率建立多元线性回归模型，如公式(I) Esi = Bi+ Σ bijP r 其中 i=29，31，32; j=l-7(I) 公式(I)中，ε si表示为热红外第i波段裸土的比辐射率，Pj表示为可见光/近红外第j波段的反射率&和bu是模型转换系数，通过多元回归获�。� 针对植被橡元，建立热红外比辐射率与NDVI的关系模型获取热红外光谱谱段的比辐射率值 ε vi = c0i+CliNDVI ，其中 i = 29,31,32(2)公式(2)中，ε vi表示为热红外第i波段植被的比辐射率，C0i和Cli是模型转换系数；针对植被/裸土混合像元，通过建立热红外波段比辐射率与植被覆盖度Pv的关系模型来获取热红外光谱谱段的比辐射率 Ei = Cl0JdliPv(3) 公式(3)中，ε i表示为热红外第i波段在植被/裸土混合区的比辐射率，d0i和Clli是模型转换系数，Pv表示为植被覆盖度，其值通过NDVI值来确定
4.根据权利要求I所述的一种同时确定地表窄波段和宽波段比辐射率的方法，其特征于所述步骤(C)中确定地表3-14 μ m以及3-⑴μ m的宽波段比辐射率过程是 (Cl)根据计算出的窄波段地表比辐射率，结合建立的窄-宽波段比辐射率转换模型(公式(5))，确定3-14 μ m地表宽波段比辐射率ε P 14 :ε 3-14 = Wo+Wi* ε 29+w2* ε 31+w3* ε 32(5) 式中，ε 29、ε 31和ε 32分别是MODIS热红外光谱谱段第29、31和32波段的窄波段比辐射率，Wi是模型转换系数； (C2)根据计算出的窄波段地表比辐射率，结合建立的窄-宽波段比辐射率转换模型(公式(6))，确定3-m μ m地表宽波段比辐射率Sp00: ε S-=O= o+w' ε 29+w/ 2*e31+w' 3* ε 32(6) 式中，ε 29、ε 31和ε 32分别是MODIS热红外光谱谱段第29、31和32波段的窄波段比辐射率，V i是模型转换系数。
5.一种实现权利要求I所述方法的装置，其特征在于包括数据预处理模块、窄波段比辐射率反演�？楹涂聿ǘ伪确渎史囱菽？椋渲� 数据预处理�？槎灾蟹直媛食上窆馄滓�(MODIS)数据进行数据处理，包括辐射定标、大气纠正、以及云掩膜处理，获取晴空条件下MODIS数据位于O. 4-2. I μ m大气窗口区的可见光/近红外地表反射率数据； 窄波段比辐射率反演�？槔檬菰ご砟？榈姆瓷渎适荩岷险ǘ蔚乇肀确渎史囱菟惴ǎ范∕ODIS热红外光谱谱段第29，即波谱范围8. 4-8. 7 μ m、第31，即波谱范围10. 78-11. 28 μ m和第32，即波谱范围11. 77-12. 27 μ m波段的窄波段地表比辐射率；具体为根据计算出的可见光/近红外地表反射率数据，计算归一化的积雪指数(NDSI)和归一化的植被指数(NDVI )，并结合MODIS的陆地/海洋掩膜数据，对像元进行分类，分别分为水体像元，雪/冰像元和植被/裸土像元三大类；再结合获取的可见光/近红外地表反射率数据计算的归一化植被指数(NDVI)值的大小，进一步将植被/裸土像元分为裸土像元、植被像元和裸土 /植被混合像元三类；针对每一类像元，分别利用自己建立的窄波段比辐射率反演算法，确定不同类别像元的MODIS热红外谱段29、31和32波段的窄波段比辐射率数据； 宽波段比辐射率反演�？榉直鹄米约航⒌�3-14 μ m窄-宽波段地表比辐射率转换模型和3-⑴μ m窄-宽波段地表比辐射率转换模型，计算出每个像元3-14 μ m的地表宽波段比辐射率数据和3- m μ m的地表宽波段比辐射率数据。
全文摘要
一种同时确定地表窄波段和宽波段比辐射率的方法及装置，包括A)对中分辨率成像光谱仪(MODIS)数据进行数据处理，包括辐射定标、大气纠正和云掩膜处理，获取晴空条件下MODIS数据位于0.4-2.1μm大气窗口区的可见光/近红外波段地表反射率数据；B)利用步骤A的反射率数据，结合发展的窄波段比辐射率反演算法，确定MODIS热红外光谱谱段第29(波谱范围8.4-8.7μm)、31(波谱范围10.78-11.28μm)和32(波谱范围11.77-12.27μm)波段的窄波段地表比辐射率；C)利用步骤B的窄波段地表比辐射率，结合发展的窄-宽波段比辐射率转换模型，得到3-14μm以及3-∞μm的宽波段地表比辐射率。
文档编号G01J3/42GK102901563SQ201210431019
公开日2013年1月30日 申请日期2012年11月1日 优先权日2012年11月1日
发明者唐伯惠, 吴骅, 唐荣林 申请人:中国科学院地理科学与资源研究所
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
